Đề tài Xây dựng bộ ngữ liệu để đánh giá bằng tiếng Việt và chương trình trợ giúp đánh giá các hệ tìm kiếm thông tin

Đểthực hiện đánh giá hệthống tìm kiếm thông tin chương trình xây dựng bảng đánh giá chuẩn. Bảng đánh giá chuẩn này được thực hiện dựa trên phương pháp pooling với chiều dài pool là 50 tài liệu liên quan đầu. Chương trình thực hiện đánh giá hai hệthống search4VN và Lucene lần lượt tại các ngưỡng đánh giá là 50,100,1000. Sau đó tiến hành so sánh hai hệthống trên. Để đánh giá độtin cậy và khảnăng tìm kiếm thông tin của hệthống ta tiến hành tính độbao phủvà độchính xác cho từng câu truy vấn, và tính độbao phủvà độchính xác của hệthống (chính là độbao phủvà độchính xác trung bình). Sau đó tiến hành đánh giá dựa trên đường cong chuẩn RP .

pdf187 trang | Chia sẻ: haianh_nguyen | Lượt xem: 1196 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Đề tài Xây dựng bộ ngữ liệu để đánh giá bằng tiếng Việt và chương trình trợ giúp đánh giá các hệ tìm kiếm thông tin, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
của các thẻ (hoặc section) của câu hỏi Mơ tả: STT Tên Loại kiểu Ý nghĩa 1 TopID Kiểu chuỗi docID của câu hỏi 2 Title Kiểu chuỗi Nội dung của câu hỏi 3 Description Kiểu chuỗi Chú thích của câu hỏi 4 Narrative Kiểu chuỗi Nội dung yêu cầu liên quan của câu hỏi d) CHeThongIR: Ý nghĩa: Định nghĩa cấu trúc hệ thống IR Mơ tả: STT Tên Loại kiểu Ý nghĩa 1 strTenHT Kiểu chuỗi Tên hệ thống IR 2 strID Kiểu chuỗi ID của hệ thống IR 3 NgayKiemTra Kiểu chuỗi Ngày tiến hành kiểm tra hệ thống IR 4 Rtrungbinh Kiểu chuỗi Độ bao phủ trung bình Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 141 5 Ptrungbinh Kiểu chuỗi Độ chính xác trung bình 6 fP Mảng số thực Độ chính xác trung bình tại 11 điểm chuẩn của độ bao phủ e) CKetQua: Ý nghĩa: Định nghĩa cấu trúc định dạng của file kết quả trả vế của hệ thống IR (file kết quả tar3 về của hệ thống IR chính là bảng liên quan thực tế) Mơ tả: STT Tên Loại kiểu Ý nghĩa 1 TopicID Kiểu chuỗi Thẻ tương ứng với TopicID 2 DocID Kiểu chuỗi Thẻ tương ứng với DocID 3 ThuocTinh_TopicID Kiểu chuỗi Tên thuộc tính tương ứng với TopicID nếu thẻ tương ứng với TopicID cĩ thuộc tính 4 ThuocTinh_DocID Kiểu chuỗi Tên thuộc tính tương ứng với DocID nếu thẻ tương ứng với DocID cĩ thuộc tính 5 TagSim Kiểu chuỗi Thẻ tương ứng với similarity (thẻ Similarity) 6 ThuocTinh_Sim Kiểu chuỗi Tên thuộc tính tương ứng với Similarity nếu thẻ tương ứng với Similarity cĩ thuộc tính Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 142 f) CRelevant: Ý nghĩa Định nghĩa cấu trúc sự liên quan của tài liệu tại vị trí thứ tự n của danh sách các tài liệu trả về của một câu hỏi Ư Thơng tin về độ chính xác và độ bao phủ tại vị trí thứ n sẽ được lưu trong mảng cấu trúc CRelevant để thực hiện nội suy tính độ chính xác tại 11 điểm chuẩn của độ bao phủ (tính P (r) , với r cĩ giá trị là 0.0, 0.1 ,0.2 ,0.3 ,0.4, 0.5 , 0.6 , 0.7, 0.8, 0.9, 1.0) Mơ tả: STT Tên Loại kiểu Ý nghĩa 1 DocID Kiểu chuỗi docID của câu hỏi tại vị trí thứ tự n 2 bRelevant Kiểu logic Tài liệu tại vị trí n cĩ liên quan hay khơng? 3 fPrecision Kiểu số thực Độ chính xác của tài liệu tại vị trí n 4 fRecall Kiểu số thực Độ bao phủ của tài liệu tại vị trí n g) CIndex: Ý nghĩa: Định nghĩa cấu trúc định dạng các file index trả về của hệ thống IR Mơ tả: STT Tên Loại kiểu Ý nghĩa 1 ID Kiểu chuỗi ID của câu hỏi hoặc tài liệu được lập chỉ mục 2 word Kiểu chuỗi Từ cĩ nghĩa xuất hiện trong câu hỏi hoặc tài liệu 3 weigh Kiểu số Trọng số của từ đĩ Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 143 nguyên h) XL_XML : Sơ đồ lớp: Mơ tả: Phương thức: TranslateXML o Ý nghĩa: chuyển đổi cấu trúc của một file xml sang cấu trúc file xml khác o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 Format Kiểu mảng CFormat mảng Cformat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ 2 newFile Kiểu chuỗi file xml mới bao gồm cả đường dẫn 3 oldPathFile Kiểu chuỗi đường dẫn file xml cũ 4 oldFile Kiểu chuỗi tên file xml cũ Ghi chú: Tham số format cĩ kiểu mảng CFormat với: newTag : là tên thẻ trong file xml mới tương ứng với oldTag oldTag là các thẻ trong file xml cũ newId: là thứ tự của thẻ mới trong file xml mới oldTag: là thứ tự của thẻ cũ haveAttr: thẻ mới cần tạo cĩ thuộc tinh hay khơng?, nếu cĩ lưu thuộc tính vào mảng attrArray XL_XML TranslateXML Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 144 Ví dụ : cĩ file xml như sau: Ỵ nút gốc (cĩ thứ tự =0) Ỵ nút kế gốc (cĩ thứ tực bằng 1) “ 1 “ “Thanh niên Việt Nam” Đổi sang file xml cĩ cấu trúc như sau: “Thanh niên Việt Nam” Định nghĩa mảng format như sau: CFormat[] f=new CFormat[3]; f[0]=new CFormat(); f[0].oldId=f[0].newId=0; f[0].newTag="TAILIEU"; f[0].oldTag="DOCUMENT"; f[0].haveAttr=false; f[1]=new CFormat(); f[1].newId=f[1].oldId=1; f[1].newTag="TL"; f[1].oldTag="DOC"; f[1].haveAttr=true; f[1].attrArray=new CFormat[1]; f[1].attrArray[0]=new CFormat(); f[1].attrArray[0].oldTag="DOCID"; Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 145 f[1].attrArray[0].newTag="ID"; f[2]=new CFormat(); f[2].newId=f[2].oldId=2; f[2].newTag="CHUDE"; f[2].oldTag="TITLE"; o Kết quả trả về: STT Tên Loại kiểu Ý nghĩa 1 kq Kiểu số nguyên Kết quả trả về để xác nhận chuyển đổi thành cơng hay thất bại o Mơ tả thuật tốn: - Tìm newTag của nút gốc trong mảng format (nút gốc là nút cĩ thứ tự newId=0) , dựa vào khai báo của mảng format (newTag) tạo nút gốc cho file xml mới - Đọc file xml cũ dựa vào oldPathFile và oldFile: gọi phương thức ReadXML của lớp LT_XML - Tìm vị trí của nút kế gốc trong mảng format(nút kế gốc là nút cĩ oldId=1) =>idxroot - Lấy danh sách các nút kế gốc ( thẻ oldTag) =>Nodes - Gọi nodelen là chiều dài của danh sách Nodes - Lặp i=0 -> i=nodelen - Bắt đấu lặp i Kiềm tra xem format[idxroot] cĩ thuộc tính hay khơng: (format[idxroot].haveAttr ?) Nếu cĩ thuộc tính (duyệt tất cả các thuộc tính của nút kế gốc để gán nội dung cho nĩ) - Với mỗi thuộc tính: Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 146 - xem thuộc tính của nút kế gốc cĩ oldTag là gì, nếu cĩ oldTag =”” cĩ nghĩa là tạo mới thuộc tính, nếu oldTag !=”” : đọc nội dung của oldTag gán váo format[idxroot].Content Ngược lại khơng cĩ thuộc tính - Tạo nội dung cho các phần tử format[k] (k!=idxroot) (chú ý: nút kế gốc format[idxroot] khơng chứa nội dung) - kiểm tra xem từng phần tử trong mảng format khác với format[idxroot] cĩ thuộc tính hay khơng - Nếu phần tử format[k] cĩ thuộc tính : đọc nội dung thẻ tương ứng với thuộc tính đĩ (oldTag) và ghi nhận nội dung vào format[k].attrArray[j].Content Sau khi gán nội dung cho các thẻ mới trong mảng format : - Sắp xếp thứ tự mảng format theo thứ tự tăng dần của newId - Tạo node cho file xml mới - Cuối lặp i Ỵ đã ánh xạ xong các node của file xml cũ sang file xml mới k) XL_Text: Sơ đồ lớp: Mơ tả: Phương thức : TranslateText o Ý nghĩa: đổi cấu trúc của một file xml sang cấu trúc file text khác với các thẻ của file xml tương ứng với các section của file text o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa XL_XML TranslateText Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 147 1 format Kiểu mảng CFormat mảng Cformat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ 2 newFile Kiểu chuỗi file xml mới bao gồm cả đường dẫn 3 oldPathFile Kiểu chuỗi đường dẫn file xml cũ 4 oldFile Kiểu chuỗi tên file xml cũ o Kết quả trả về: STT Tên Loại kiểu Ý nghĩa 1 kq Kiểu số nguyên Kết quả trả về để xác nhận chuyển đổi thành cơng hay thất bại o Thuật tốn: - Tìm newTag của nút gốc trong mảng format (nút gốc là nút cĩ thứ tự newId=0) , dựa vào khai báo của mảng format (newTag) tạo nút gốc cho file xml mới - Đọc file xml cũ dựa vào oldPathFile và oldFile: gọi phương thức ReadXML của lớp LT_XML - Do file text mới khơng cĩ khái niệm thẻ gốc chỉ cần những thẻ chứa dữ liệu - Lấy danh sách các nút cĩ thẻ là format[0].oldTag =>Nodes (format[0] là nút kế gốc trong file xml cũ (khơng kể nút gốc)) - Gọi strNoiDung lưu giữ nội dung của file text - Gọi nodelen là chiều dài của danh sách Nodes - Lặp k=0 ->k=nodelen Bắt đấu lặp i Với mỗi phần tử format[i]: - kiểm tra xem format[i].oldTag =”” hay khơng ? o Nếu bằng rỗng: tạo section mới cho file text mà nộ dung của section đĩ là rỗng : Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 148 strNoiDung = strNoiDung + format[i].newTag + “ký tự xuống dịng” o Nếu khác rỗng : - lấy nội dung của thẻ cĩ tên là format[i].oldTag gán vào nội dung của section mới : format[i].Content strNoiDung = strNoiDung + format[i].newTag + “ký tự xuống dịng” + format[i].Content + “ký tự xuống dịng” Cuối lặp i - Ghi lên file text : gọi phương thức WriteText(strNoiDung,newFile) của lớp LT_Text - Gửi kết quả thực hiện thành cơng hay thất bại cho chương trình l) XL_Doc Sơ đồ lớp: Mơ tả: Thuộc tính: STT Tên Loại kiểu Ý nghĩa 1 Doc_Path Kiểu chuỗi Đường dẫn của tập tài liệu của chương trình , mặc định là tất cả các tập dữ liệu sẽ được lưu tại thư mục “coll” của chương trình 2 SO_DOC Kiểu số nguyên Số tài liệu trong một file tài liệu , mặc định là cĩ 50 tài liệu trong một file tài liệu XL_Doc Static String Doc_Path="coll"; Static int SO_DOC=50; DinhDangTaiLieu DinhDangTaiLieuText LayDSTaiLieu LayTaiLieu Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 149 Phương thức :DinhDangTaiLieu o Ý nghĩa:chuyển đổi định dạng của tập tài liệu , chuyển sang file xml o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 format Kiểu mảng CFormat mảng Cformat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ 2 Path Kiểu chuỗi Đường dẫn đến thư mục chứa tập tài liệu đã chuyển đổi o Kết quả trả về:(khơng cĩ) o Mơ tả thuật tốn: - Từ biến Doc_Path : duyệt tất cả các file xml nằm trong thư mục đĩ - Nếu Path=”” : cĩ nghĩa là người sử dụng khơng nhập vị trí file tài liệu mới đã được chuyển đổi => lưu tất cả các file đã chuyển đổi mới vào thư mục mặc định của chương trình - Nếu Path != “”: lưu các file đã chuyển đổi vào thư mục Path - Với mỗi file tài liệu xml của chương trình : gọi phương thức TranslateXML của lớp XL_XML thực hiện chuyển đổi và tạo file xml mới cho từng file xml tài liệu cũ Phương thức: DinhDangTaiLieuText o Ý nghĩa:chuyển đổi định dạng của tập tài liệu , chuyển sang file text o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 format Kiểu mảng CFormat mảng Cformat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 150 2 Path Kiểu chuỗi Đường dẫn đến thư mục chứa tập tài liệu đã chuyển đổi o Kết quả trả về (khơng cĩ) o Mơ tả thuật tốn: - Từ biến Doc_Path : duyệt tất cả các file xml nằm trong thư mục đĩ - Nếu Path=”” : cĩ nghĩa là người sử dụng khơng nhập vị trí file tài liệu mới đã được chuyển đổi => lưu tất cả các file đã chuyển đổi mới vào thư mục mặc định của chương trình - Nếu Path != “”: lưu các file đã chuyển đổi vào thư mục Path Với mỗi file tài liệu xml của chương trình : gọi phương thức TranslateText của lớp XL_Text thực hiện chuyển đổi và tạo file text mới cho từng file xml tài liệu cũ LayDSTaiLieu: o Ý nghĩa:lấy danh sách tài liệu của file tài liệu bất kỳ dựa vào tên file của nĩ o Tham số đầu vào: fn (kiểu chuỗi ): là tên file tài liệu cần lấy o Kết quả trả về: dsDoc(Kiểu mảng CDocument) : lưu thơng tin của danh sách tài liệu nằm trong file tài liệu cĩ tên là fn o Mơ tả thuật tốn: - Đọc file xml cĩ tên là fn - Lấy danh sách các node trong file xml cĩ tên thẻ là “DOC” => lstNode - Gọi n là chiều dài của lstNode - Khai báo dsDoc là mảng CDocument với n phần tử - Duyệt danh sách lstNode: Lặp i=0 đến n Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 151 Đầu lặp i: Lấy danh sách node con của lstNode[i] => childList Lặp j=0 cho đến cuối childList Đầu lặp j tìm các thẻ “DOCID”,”TITLE”,”CONTENT”... lấy nội dung tương ứng với các thẻ đĩ gán vào dsDoc[i] Cuối lặp j Cuối lặp i LayTaiLieu o Ý nghĩa:lấy tài liệu của một tài liệu bất kỳ dựa vào DocID của nĩ o Tham số đầu vào: DocID (kiểu chuỗi ): là chỉ số của tài liệu cần lấy o Kết quả trả về: Kq (Kiểu CDocument) : lưu thơng tin của tài liệu cĩ chỉ số là DocID o Mơ tả thuật tốn: - Tìm tên file tài liệu chứa tài liệu cĩ chỉ số là DocID: Do mỗi file chứa SO_DOC tài liệu và mỗi file tài liệu được đặt tên theo quy tắc “vn_” + n số 0 + số thứ tự : ví dụ file “vn_000001” chứa SO_DOC tài liệu, mỗi tài liệu trong file “vn_000001” được đánh chỉ số DocID từ 1 đến 50, và file “vn_000002” chứa SO_DOC tài liệu , các tài liệu được đánh số tiếp tục từ 51 đến 100 nên ta cĩ thể từ DocID tính được tên file chứa DocID đĩ như sau: int tenfile =DocID / SO_DOC; int m = DocID % SO_DOC; if (m != 0) tenfile += 1; tên file= “vn_” + n số 0 + tenfile - Gọi phương thức LayDSTaiLieu với đầu vào là fn : kết quả được danh sách tài liệu CDocument dsdoc - Tìm trong dsdoc tài liệu cĩ docID=DocID => Kq Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 152 - Trả về cho chương trình tài liệu thích hợp Kq m) XL_Topic Sơ đồ lớp: Mơ tả: Thuộc tính: Topic_Path:(kiểu chuỗi ) lưu giữ thư mục chứa tập câu hỏi, mặc định tập câu hỏi sẽ được lưu trong thư mục “topic” của chương trình Phương thức DinhDangCauHoi o Ý nghĩa: chuyển đổi định dạng của tập tài liệu , chuyển sang file xml o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 format Kiểu mảng CFormat mảng CFormat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ 2 Path Kiểu chuỗi Đường dẫn đến thư mục chứa tập câu hỏi đã chuyển đổi o Kết quả trả về (khơng cĩ) o Mơ tả thuật tốn: - Từ biến Topic_Path: duyệt tất cả các file xml nằm trong thư mục đĩ XL_Topic Static String Topic_Path="topic" DinhDangCauHoi DinhDangCauHoiText LayDSTopicID LayDSCauHoi LayTongSoCauHoi NoiDungTopic Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 153 - Nếu Path=”” : cĩ nghĩa là người sử dụng khơng nhập vị trí file tài liệu mới đã được chuyển đổi => lưu tất cả các file đã chuyển đổi mới vào thư mục mặc định của chương trình - Nếu Path != “”: lưu các file đã chuyển đổi vào thư mục Path - Với mỗi file tài liệu xml của chương trình : gọi phương thức TranslateXML của lớp XL_XML thực hiện chuyển đổi và tạo file xml mới cho từng file xml tài liệu cũ Phương thức DinhDangCauHoiText o Ý nghĩa: chuyển đổi định dạng của tập tài liệu , chuyển sang file text o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 format Kiểu mảng CFormat mảng CFormat lưu trữ cấu trúc định dạng mới mà file xml mới cần chuyển đổi sang cấu trúc đĩ 2 Path Kiểu chuỗi Đường dẫn đến thư mục chứa tập câu hỏi đã chuyển đổi o Kết quả trả về (khơng cĩ) o Mơ tả thuật tốn: - Từ biến Topic_Path : duyệt tất cả các file xml nằm trong thư mục đĩ - Nếu Path=”” : cĩ nghĩa là người sử dụng khơng nhập vị trí file tài liệu mới đã được chuyển đổi => lưu tất cả các file đã chuyển đổi mới vào thư mục mặc định của chương trình - Nếu Path != “”: lưu các file đã chuyển đổi vào thư mục Path Với mỗi file tài liệu xml của chương trình : gọi phương thức TranslateText của lớp XL_Text thực hiện chuyển đổi và tạo file text mới cho từng file xml tài liệu cũ Phương thức LayDSTopicID o Ý nghĩa :lấy tất cả topicID của file câu hỏi Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 154 o Tham số đầu vào : (khơng cĩ) o Kết quả trả về: Mảng chuỗi topicID : lưu thơng tin của tất cả topicID của câu hỏi o Mơ tả thuật tốn: - Duyệt thư mục cĩ đường dẫn là Topic_Path - Đọc từng file xml câu hỏi trong thư mục Topic_Path - Lấy danh sách các node trong file xml cĩ tên thẻ là “TOP” => lstNode - Gọi n là chiều dài của lstNode - Khai báo topicID là mảng chuỗi với n phần tử - Duyệt danh sách lstNode: Lặp i=0 đến n Đầu lặp i: Lấy danh sách node con của lstNode[i] => childList Lặp j=0 cho đến cuối childList Đầu lặp j tìm thẻ “TOPID và lấy nội dung của thẻ đĩ gán vào topicID[i] Cuối lặp j Cuối lặp i Phương thức LayDSCauHoi o Ý nghĩa :lấy tất cả thơng tin câu hỏi của file câu hỏi o Tham số đầu vào : (khơng cĩ) o Kết quả trả về: Mảng CTopic dsTopic: lưu thơng tin của tất cả câu hỏi o Mơ tả thuật tốn: - Duyệt thư mục cĩ đường dẫn là Topic_Path - Đọc từng file xml câu hỏi trong thư mục Topic_Path Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 155 - Lấy danh sách các node trong file xml cĩ tên thẻ là “TOP” => lstNode - Gọi n là chiều dài của lstNode - Khai báo dsTopic là mảng CTopic với n phần tử - Duyệt danh sách lstNode: Lặp i=0 đến n Đầu lặp i: Lấy danh sách node con của lstNode[i] => childList Lặp j=0 cho đến cuối childList Đầu lặp j tìm thẻ “TOPID”, “TITLE” và lấy nội dung của các thẻ đĩ gán vào dsTopic[i] Cuối lặp j Cuối lặp i Phương thức LayTongSoCauHoi o Ý nghĩa :lấy tổng số câu hỏi thực hiện cĩ trong kho dữ liệu o Tham số đầu vào : (khơng cĩ) o Kết quả trả về: Kq : kiểu số nguyên o Mơ tả thuật tốn: - Gọi phương thức LayDSTopicID =>dsTopic - Kq= chiều dài của mảng dsTopic Phương thức NoiDungTopic o Ý nghĩa:lấy nội dung của một câu hỏi bất kỳ dựa vào TopIDcủa nĩ o Tham số đầu vào: TopID(kiểu chuỗi ): là chỉ số của câu hỏi cần lấy o Kết quả trả về: Kq (Kiểu chuỗi) : lưu thơng tin của nội dung của câu hỏi cĩ chỉ số là TopID Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 156 o Mơ tả thuật tốn: - Gọi phương thức LayDSCauHoi => ds - Tìm trong ds câu hỏi cĩ topID=TopID => Kq - Trả về cho chương trình tài liệu thích hợp Kq n) XL_KetQua Sơ đồ lớp: Mơ tả: Phương thức DinhDangKqIR: o Ý nghĩa:định dạng file kết quả trả về của hệ thống IR o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 fn Kiểu chuỗi Tên file kết quả trả về của hệ thống IR 2 sysID Kiểu chuỗi System ID của hệ thống IR 3 kq CKetQua Định dạng của file kết quả o Kết quả trả về: Kq: kiểu số nguyên ; cho biết kết quả định dạng thành cơng hay thất bại o Mơ tả thuật tốn: XL_KetQua static String result_Path="result" static String eval_File="evaluation.xml" static String system_File="system.xml" static String rel_File="relevant.xml" static String relevant_Path="result/relevant" float RTrungBinh=0; float PTrungBinh=0; int TongSoTopic=0 String systemID DinhDangKqIR CapNhat_evaluation TinhDoChinhXac_Chuan TaoSysID ThemSystem Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 157 Ghi chú: file kết quả của hệ thống sẽ được chuyển đổi sang file mới cĩ cấu trúc đo chương trình đưa ra như sau: (xem phần “Tổ chức lưu trữ dữ liệu” (relevant_TT )) Mỗi bảng liên quan thực tế của hệ thống sẽ được lưu thành 1 file riêng biệt cĩ tên là “rel_” + sysID + “.xml” - Tao file xml mới , tạo nút gốc RELEVANT - Đọc file xml fn, lấy các nút cĩ tên là kq.TopicID - Duyệt tất cả các nút trên • Kiểm tra xem nút TopicID cĩ thuộc tính hay khơng (kq.ThuocTinh_TopicID==”” ?) • Nếu cĩ thuộc tính : lấy giá trị của thuộc tính gán vào biến tạm temp • Nếu khơng cĩ thuộc tính: lấy giá trị của nút TopicID • Tạo nút REL và tạo thuộc tính TOPID cĩ giá trị là nội dung của biến temp • Lấy các nút con của nút TopicID • Duyệt tất cả các nút con: - Xem nút nào là kq.DocID : - Kiểm tra xem nút DocID cĩ thuộc tính hay khơng (kq.ThuocTinh_DocID=”” ?) - Nếu cĩ thuộc tính : lấy giá trị thuộc tính gán váo biến strChild - Nếu khơng lấy giá trị của nút DocID gán váo biến strChild - Tạo nút “DOCID” với nội dung là strChild Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 158 - Xét xem cĩ nút con nào cĩ tên là kq.TagSim - Kiểm tra xem nút TagSim cĩ thuộc tính hay khơng (kq.ThuocTinh_Sim =”” ?) - Nếu cĩ thuộc tính : lấy giá trị thuộc tính gán váo biến strChild - Nếu khơng lấy giá trị của nút TagSim gán váo biến strChild - Tạo thuộc tính “SIMILARITY” cho nút “DOCID” với nội dung là strChild - Ghi lên file xml mới với tên theo cơng thức sau: “rel_” + sysID + “.xml” => gọi phương thức WriteXML của lớp LT_XML Phương thức CapNhat_evaluation o Ý nghĩa: cập nhật file evaluation.xml : thêm thơng tin topic được đánh giá do hệ thống IR thực hiện o Tham số đầu vào: sysID (kiểu chuỗi): system ID của hệ thống thực thi đánh giá o Kết quả trả về: (khơng cĩ) o Mơ tả thuật tốn: - Đọc file evaluation.xml để chuẩn bị thêm thơng tin danh sách câu hỏi do hệ thống IR (sysID) thực hiện được đánh giá - Tạo node “SYSTEM” với thuộc tính “SYSID” =sysID - Đọc file relevant.xml là file lưu thơng tin bảng liên quan lý thuyết để lấy thơng tin liên quan lý thuyết - Lấy thơng tin bảng liên quan thực tế . Thơng tin này phụ thuộc hệ thống IR cần kiểm tra. Do mỗi hệ thống IR trả về bảng liên quan thực tế đều được lưu thành một file cho hệ thống đĩ, với cách đặt tên file là : “rel_” + sysID. Nên tên file lưu bảng liên quan thực tế của một hệ thống IR sysID là: retfn=relevant_Path+"/rel_"+sysID+".xml" Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 159 - Lấy danh sách topicID (=> gọi phương thức LayDSTopicID của lớp XL_Topic) - Duyệt danh sách topicID: Với mỗi topicID: o Lấy các tài liệu liên quan lý thuyết đối với topicID đĩ kết quả được mảng chuỗi lưu DocID liên quan relArr=> tính được số tài liệu liên quan o Lấy các tài liệu liên quan thực tế đối với topicID đĩ kết quả được mảng chuỗi lưu DocID trả về retArr => tính được số tài liệu trả về o Lấy phần giao của 2 mảng relArr và retArr => tính được số tài liệu liên quan được trả về o Tính độ bao phủ o Tính độ chính xác o Tính độ chính xác tại 11 điểm chuẩn của độ bao phủ => gọi phương thức TinhDoChinhXac_Chuan => kết quả được mảng gồm 11 phần tử lưu 11 giá trị độ chính xác tại 11 điểm chuẩn độ bao phủ (strPrecision) o Tính R trung bình và P trung bình o Ghi nhận topicID này vào file evaluation.xml Phương thức TinhDoChinhXac_Chuan o Ý nghĩa: tính độ chính xác tại 11 điểm chuẩn của độ bao phủ của một topic o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 retArr Kiểu chuỗi mảng docID liên quan tực tế do hệ thống IR trả về của một topicID 2 relArr Kiểu chuỗi mảng docID liên quan theo lý thuyết của một topicID Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 160 o Kết quả trả về: strPrecision (kiểu mảng chuỗi) giá trị độ chính xác tại 11 điểm chuẩn của độ bao phủ o Mơ tả thuật tốn: - // ở đây ta dùng lớp CRelevant để tính độ chính xác và độ bao phủ atị vị trí // thứ n của tài liệu trong dãy tài liệu liên quan trả về - Khai báo arrRelTT là mảng CRelevant .Khởi tạo giá trị mặc định cho mảng arrReTT: o Khởi tạo giá trị DocID : gán các DocID liên quan vào mảng arrRelTT o Khởi tại giá trị bRelevant: với các DocID cĩ liên quan lý thuyết (dựa vào mảng relArr) thì đánh dấu bRelevant tại vị trí đĩ bằng true - Tính tổng số tài liệu liên quan trong mảng CRelevant arrRelTT : đếm số bRelevant bằng true => sumRelLT - Tính R và P cho từng vị trí: Gọi soRel_Rel là số tài liệu liên quan trong mảng arrRelTT tại vị trí thứ i o Lặp i=0 cho tới cuối mảng arrRelTT - Nếu ( arrRelTT[i].bRelevant==true ) soRel_Rel tăng lên 1 - arrRelTT[i].fPrecision= soRel_Rel/(i+1); - arrRelTT[i].fRecall=soRel_Rel/sumRelLT; Cuối lặp i - Nội suy với các giá trị R,P tại các thứ tự từ 1 đến hết mảng arrRelTT : Gọi Recall=0 Gọi arrP là mảng số thực lưu giá trị độ chính xác tại 11 điểm chuẩn đĩ o Lặp i=0 cho tới 11 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 161 • Tìm chỉ số idx của mảng arrRelTT cĩ arrRelTT[i].fRecall = Recall hoặc ( arrRelTT[i].fRecall < Recall + 0.1 và arrRelTT[i].fRecall > Recall) • Nếu tìm khơng thấy idx=-1 gán arrP[i]=-1; • Ngược lại tim thấy (idx!=-1) :tìm giá trị max từ vị trí idx cho đến cuối của mảng arrRelTT . Gán giá trị max này cho arrP[i]. =>Đây chính là giá trị độ chính xác tại độ recall chuẩn Cuối lặp i - Sau khi nội suy ta được mảng số thực arrP lưu giá trị 11 độ chính xác => đổi từ số thực sang chuỗi để thuận lợi việc ghi lên file => strPrecision - Trả về cho chương trình mảng strPrecision Phương thức TaoSysID o Ý nghĩa: định dạng file kết quả trả vể của hệ thống IR o Tham số đầu vào (khơng cĩ) o Kết quả trả về; systemID: kiểu chuỗi o Mơ tả thuật tốn: - Đọc file system.xml - Lấy số node “SYSTEM” => sysID - sysID=sysID +1 - đổi sysID sang chuỗi => systemID - trả về cho chương trình systemID Phương thức ThemSystem o Ý nghĩa: định dạng file kết quả trả vể của hệ thống IR o Tham số đầu vào: Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 162 STT Tên Loại kiểu Ý nghĩa 1 sysID Kiểu chuỗi System ID của hệ thống cần thêm 2 name Kiểu chuỗi Tên hệ thống cần thêm o Kết quả trả về: (khơng cĩ) o Mơ tả thuật tốn: - Đọc file system.xml (file system.xml là file lưu tất cả các hệ thống đã tiến hành đánh giá) - Tạo node “SYSTEM” và thuộc tính của nĩ “SYSID” cĩ giá trị là sysID - Tạo các node “NAME” “DATE” “AVGPRECISON” “AVGRECALL”, với giá trị lần lượt là name, ngày giờ hệ thống, PtrungBinh, RtrungBinh. - Ghi lên file xml (gọi phương thức WriteXML của lớp LT_XML) o) XL_HeThongIR Sơ đồ lớp: Mơ tả: Phương thức ThucThiHTIR: o Ý nghĩa: gọi hệ thống IR thực thi o Tham số đầu vào: (khơng cĩ) o Kết quả trả về: (khơng cĩ) o Mơ tả thuật tốn: XL_HeThongIR Static String path_system="result/system.xml" ThucThiHTIR LayDSThongTinHeThong LayHeThong Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 163 Gọi hệ thống IR hiện thị để cho phép người dùng thực hiện hệ thống IR đĩ Phương thức LayDSThongTinHeThong: o Ý nghĩa: gọi hệ thống IR thực thi o Tham số đầu vào: (khơng cĩ) o Kết quả trả về: ht mảng CheThongIR lưu thơng tin giá trị của danh sách hệ thống IR bao gồm sysID, tên, ngày kiểm tra , R trung bình , P trung bình o Mơ tả thuật tốn: - Đọc file system.xml - Lấy nội dung các thẻ “SYSTEM” (“SYSID”) , “NAME” , ”DATE” , ”AVGRECALL” , “AVGPRECISION” gán vào ht[i] - Trả về cho chương trình danh sách ht Phương thức LayHeThong: o Ý nghĩa: lấy hệ thống bất kỳ dựa vào sysid nhập vào o Tham số đầu vào: sysID: (kiểu chuỗi) : systemID của hệ thống cần lấy o Kết quả trả về: kq (kiểu CHeThongIR) : hệ thống IR o Mơ tả thuật tốn: - gọi phương thức LayDSThongTinHeThong =>ht - Duyệt hệ thống ht , xem ht[i] nào cĩ systemID =sysID =>kq - Trả về cho chương trình kq Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 164 p) XL_Index Sơ đồ lớp: Mơ tả: Phương thức “DinhDangIndex” o Ý nghĩa: do cấu trúc của file index tài liệi và index câu hỏi tương tự nhau nên phương thức “DinhDangIndex” sẽ định dạng cùng một kiểu file cấu trúc o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 fn Kiểu chuỗi Tên file index của hệ thống IR 2 newfn Kiểu chuỗi Tên file xml mới 3 idx CIndex Định dạng của file index o Kết quả trả về: - Kq: lỗi chương trình : thành cơng hay thất bại o Mơ tả thuật tốn: (tương tự định dạng file kết quả) Ghi chú: file index của hệ thống sẽ được chuyển đổi sang file mới cĩ cấu trúc đo chương trình đưa ra như sau: (xem phần “Tổ chức lưu trữ dữ liệu” (index )) XL_Index String index_Path="result/index" DinhDangIndex DinhDangIndex_topic DinhDangIndex_document LayNoiDungIndex LayNoiDungIdx_Doc LayNoiDungIdx_Topic Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 165 Mỗi bảng liên quan thực tế của hệ thống sẽ được lưu thành 1 file riêng biệt cĩ tên là “rel_” + sysID + “.xml” - Đọc file xml fn, lấy các nút cĩ tên là idx.ID => Nodes - Tao file xml mới , tạo nút gốc MATRIX, với thuộc tính SIZE là số nút của Nodes - Duyệt tất cả các nút trong Nodes • Kiểm tra xem nút ID cĩ thuộc tính hay khơng (idx.ThuocTinh_ID==”” ?) • Nếu cĩ thuộc tính : lấy giá trị của thuộc tính gán vào biến tạm temp • Nếu khơng cĩ thuộc tính: lấy giá trị của nút ID • Tạo nút “INDEX” và tạo thuộc tính ID cĩ giá trị là nội dung của biến temp • Lấy các nút con của nút ID =>child • Tạo thuộc tính “SIZE” của nút “INDEX” cĩ giá trị là số nút của child • Duyệt tất cả các nút con child: - Xem nút nào là idx.Term : - Kiểm tra xem nút Term cĩ thuộc tính hay khơng (idx.ThuocTinh_Term =”” ?) - Nếu cĩ thuộc tính : lấy giá trị thuộc tính gán váo biến strChild - Nếu khơng lấy giá trị của nút DocID gán váo biến strChild Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 166 - Tạo nút “TERM” và thuộc tính WORD“” với nội dung là strChild - Xét xem cĩ nút con nào cĩ tên là idx.Weigh - Kiểm tra xem nút Weigh cĩ thuộc tính hay khơng (idx.ThuocTinh_Weigh =”” ?) - Nếu cĩ thuộc tính : lấy giá trị thuộc tính gán váo biến strChild - Nếu khơng lấy giá trị của nút Weigh gán váo biến strChild - Tạo thuộc tính “WEIGH” cho nút “TERMM” với nội dung là strChild - Ghi lên file xml mới với tên là newfn => gọi phương thức WriteXML của lớp LT_XML Phương thức “DinhDangIndex_topic” o Ý nghĩa: định dạng file index của câu hỏi o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 fn Kiểu chuỗi Tên file index của hệ thống IR 2 sysId Kiểu chuỗi systemID của hệ thống IR 3 idx CIndex Định dạng của file index o Kết quả trả về: - Kq: lỗi chương trình : thành cơng hay thất bại o Mơ tả thuật tốn: - file index của câu hỏi được đặt tên theo cơng thức sau: “idxTopic_" + sysId + ".xml" => newfn - Gọi phương thức “DinhDangIndex” với các tham số đầu vào là fn, newfn , idx Phương thức “DinhDangIndex_document” o Ý nghĩa: định dạng file index của tài liệu o Tham số đầu vào: Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 167 STT Tên Loại kiểu Ý nghĩa 1 fn Kiểu chuỗi Tên file index của hệ thống IR 2 sysId Kiểu chuỗi systemID của hệ thống IR 3 idx CIndex Định dạng của file index o Kết quả trả về: - Kq: lỗi chương trình : thành cơng hay thất bại o Mơ tả thuật tốn: - file index của câu hỏi được đặt tên theo cơng thức sau: “idxDocument_" + sysId + ".xml" => newfn - Gọi phương thức “DinhDangIndex” với các tham số đầu vào là fn, newfn , idx Phương thức “LayNoiDungIndex” o Ý nghĩa: do cấu trúc của các tập tin index của tài liệu và câu hỏi tương tự nhau, nên phương thức “LayNoiDungIndex” là dùng chung cho 2 phương thức lấy nội dung riêng cho từng file index tài liệu và câu hỏi o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 fn Kiểu chuỗi Tên file index của hệ thống IR 2 ID Kiểu chuỗi ID của tài liệu hay câu hỏi o Kết quả trả về: - strNoiDung: mảng 2 chiều: ghi nhận nội dung của index gồm 2 trường “WORD” và “TERM” o Mơ tả thuật tốn: - Đọc file xml fn , lấy các nút cĩ tên là “INDEX” => lst - Duyệt các nút trong lst: • Lấy thuộc tính “ID” của nút “INDEX” => strId • Kiểm tra xem strId cĩ là ID cần tìm hay khơng? Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 168 • Nếu phải tìm lấy các nút con của nút “INDEX” đĩ => childList • Duyệt các nút trong childList - Lấy giá trị của thuộc tính ”WORD” nút con gán vào strNoiDung[k][0] - Lấy giá trị của thuộc tính ”WEIGH” nút con gán vào strNoiDung[k][1] - k=k+1; Phương thức “LayNoiDungIdx_Doc” o Ý nghĩa: lấy nội dung của file index tài liệu o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 sysID Kiểu chuỗi systemID của hệ thống IR 2 DocId Kiểu chuỗi ID của tài liệu o Kết quả trả về: - strNoiDung: mảng 2 chiều: ghi nhận nội dung của index gồm 2 trường “WORD” và “TERM” o Mơ tả thuật tốn: - Gọi fn=”idxDocument_" + sysID + ".xml" - Gọi phương thức LayNoiDungIndex với tham số đầu vào là fn, DocId Phương thức LayNoiDungIdx_Topic” o Ý nghĩa: lấy nội dung của file index câu hỏi o Tham số đầu vào: STT Tên Loại kiểu Ý nghĩa 1 sysID Kiểu chuỗi systemID của hệ thống IR 2 TopId Kiểu chuỗi ID của tài liệu Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 169 o Kết quả trả về: - strNoiDung: mảng 2 chiều: ghi nhận nội dung của index gồm 2 trường “WORD” và “TERM” o Mơ tả thuật tốn: - Gọi fn=”idxDocument_" + sysID + ".xml" - Gọi phương thức LayNoiDungIndex với tham số đầu vào là fn, DTopId q) XL_DoThi (vẽ đồ thi đường cong RP) 3.3.2.7.2. Các lớp đối tượng lưu trữ a) LT_XML: Sơ đồ lớp: Mơ tả: Phuơng thức ReadXML: o Ý nghĩa: đọc một file XML bất kỳ o Tham số đầu vào fileName : kiểu chuỗi ; tên file xml cần đọc o Kết quả trả về: Kq: kiểu số nguyên cho biết đọc file thành cơng hay thất bại o Mơ tả thuật tốn - Đọc file xml cĩ tên là fileName - Trả kết quả đọc về cho chương trình Phương thức WriteXML: o Ý nghĩa: ghi lên file xml bất kỳ LT_XML ReadXML WriteXML Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 170 o Tham số đầu vào fn : kiểu chuỗi ; tên file cần ghi Doc : Document ; nội dung các node của file xml mới cần tạo o Kết quả trả về: Kq: kiểu số nguyên cho biết ghi file thành cơng hay thất bại o Mơ tả thuật tốn - ghi nội dung các node của file xml mới - trả kết quả về cho chương trình b ) LT_Text: Sơ đồ lớp: Mơ tả: Phương thức WriteText: o Ý nghĩa: cho phép ghi một chuỗi lên file dạng text => dùng để tạo file text khi chuyển định dạng từ file xml sang file text o Tham số đầu vào: fn: kiểu chuỗi ; là tên file text cần tạo strNoiDung: kiểu chuỗi; là nội dung cần ghi lên file o Kết quả trả về: Kq : kiểu số nguyên : thơng báo cho chương trình biết là tạo file thành cơng hay thất bại o Mơ tả thuật tốn: - Tạo mới file với tên file là fn - Ghi strNoiDung vào file mới tạo. LT_Text WriteText Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 171 Chương 4 : KẾT QUẢ ĐÁNH GIÁ 4.1. Ngưỡng đánh giá Để thực hiện đánh giá hệ thống tìm kiếm thơng tin chương trình xây dựng bảng đánh giá chuẩn. Bảng đánh giá chuẩn này được thực hiện dựa trên phương pháp pooling với chiều dài pool là 50 tài liệu liên quan đầu. Chương trình thực hiện đánh giá hai hệ thống search4VN và Lucene lần lượt tại các ngưỡng đánh giá là 50,100,1000. Sau đĩ tiến hành so sánh hai hệ thống trên. Để đánh giá độ tin cậy và khả năng tìm kiếm thơng tin của hệ thống ta tiến hành tính độ bao phủ và độ chính xác cho từng câu truy vấn, và tính độ bao phủ và độ chính xác của hệ thống (chính là độ bao phủ và độ chính xác trung bình). Sau đĩ tiến hành đánh giá dựa trên đường cong chuẩn RP . 4.2. Đánh giá hệ thống tìm kiếm thơng tin search4VN Đánh giá hệ thống search4VN ở các ngưỡng 50, 100 , 1000 Ngưỡng c=50 Ngưỡng c=100 Ngưỡng c=1000 STT Câu truy vấn Recall (Ri) Precision P(i) Recall (Ri) Precision P(i) Recall (Ri) Precision P(i) 1 0.66 0.66 0.82 0.41 0.86 0.043 2 0.56 0.56 0.7 0.35 0.88 0.06128 3 0.46 0.46 0.64 0.32 0.82 0.041 4 0.58 0.58 0.76 0.38 0.88 0.044 5 0.56 0.56 0.82 0.41 0.9 0.045 6 0.62 0.62 0.76 0.38 0.88 0.184874 7 0.28 0.28 0.42 0.21 0.8 0.04 8 0.46 0.46 0.48 0.24 0.86 0.06636 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 172 9 0.56 0.56 0.78 0.39 0.84 0.042 10 0.36 0.36 0.46 0.23 0.8 0.04 11 0.18 0.18 0.36 0.18 0.7 0.035 12 0.48 0.48 0.64 0.32 0.88 0.044 13 0.36 0.36 0.48 0.24 0.82 0.041 14 0.52 0.52 0.7 0.35 0.82 0.041 15 0.42 0.42 0.6 0.3 0.84 0.042 16 0.34 0.34 0.62 0.31 0.84 0.042 17 0.44 0.44 0.68 0.34 0.88 0.09224 18 0.341463 42 0.28 0.487804 9 0.2 0.80488 0.196429 19 0.34 0.34 0.38 0.19 0.8 0.04 20 0.6 0.6 0.84 0.42 0.86 0.043 21 0.4 0.4 0.62 0.31 0.82 0.041 22 0.52 0.52 0.68 0.34 0.88 0.044 23 0.42 0.42 0.74 0.37 0.92 0.055355 24 0.34 0.34 0.4 0.2 0.82 0.041 25 0.56 0.56 0.6 0.3 0.86 0.043 26 0.5 0.5 0.6 0.3 0.84 0.042 27 0.54 0.54 0.68 0.34 0.84 0.042 28 0.18 0.18 0.22 0.11 0.72 0.036 29 0.56 0.56 0.7 0.35 0.86 0.043 30 0.54 0.54 0.74 0.37 1.0 0.05 31 0.36 0.36 0.58 0.29 0.76 0.038 32 0.5 0.5 0.64 0.32 0.82 0.041 33 0.38 0.38 0.74 0.37 0.78 0.039 34 0.54 0.54 0.7 0.35 0.82 0.041 35 0.5 0.5 0.64 0.32 0.84 0.042 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 173 36 0.2 0.2 0.28 0.14 0.88 0.044 37 0.62 0.62 0.74 0.37 0.86 0.043 38 0.48 0.48 0.62 0.31 0.86 0.064 39 0.34 0.34 0.46 0.23 0.8 0.04 40 0.32 0.32 0.48 0.24 0.76 0.038 41 0.46 0.46 0.72 0.36 0.82 0.051638 42 0.3 0.3 0.74 0.37 0.8 0.09195 43 0.68 0.68 0.8 0.4 0.82 0.041 44 0.36 0.36 0.46 0.23 0.74 0.037 45 0.46 0.46 0.76 0.38 0.82 0.041 46 0.5 0.5 0.6 0.3 0.84 0.042 47 0.28 0.28 0.42 0.21 0.74 0.037 48 0.48 0.48 0.8 0.4 0.86 0.043 49 0.22 0.22 0.24 0.12 0.76 0.038 50 0.48 0.48 0.66 0.33 0.78 0.039 51 0.48 0.48 0.66 0.33 0.84 0.042 52 0.6 0.6 0.66 0.33 0.86 0.043 53 0.52 0.52 0.74 0.37 0.88 0.044 54 0.64 0.64 0.7 0.35 0.88 0.079855 55 0.72 0.72 0.82 0.41 0.9 0.045 56 0.38 0.38 0.58 0.29 0.86 0.043 57 0.46 0.46 0.66 0.33 0.86 0.043 58 0.2 0.2 0.34 0.17 0.88 0.0538 59 0.5 0.5 0.74 0.37 0.88 0.044 60 0.22 0.22 0.38 0.19 0.78 0.039 61 0.6 0.6 0.72 0.36 0.88 0.044 62 0.2 0.2 0.36 0.18 0.58 0.029 63 0.5 0.5 0.72 0.36 0.9 0.045 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 174 64 0.7 0.7 0.78 0.39 0.86 0.043 R= N R N i i∑ =1 =0.45096 034 P= N P N i i∑ =1 =0.44999 996 R= N R N i i∑ =1 =0.61480 95 P= N P N i i∑ =1 =0.306718 77 R= N R N i i∑ =1 =0.83320 14 P= N P N i i∑ =1 =0.049851 24 Nhận xét: ™ Với ngưỡng đánh giá là 50 Do chiều dài pool là 50 bằng với ngưỡng đánh giá nên độ bao phủ và độ chính xác bằng nhau . Xét câu hỏi thứ 18: do số tài liệu liên quan thực sự khi lấy phần giao 2 hệ thống nhỏ hơn chiều dài pool 50 nên khi dùng phương pháp pooling với chiều dài pool l12 50 thì số tài liệu liên quan theo lý thuyết sẽ nhỏ hơn chiều dài pool (50) và thực tế là chỉ cĩ 41 tài liệu liên quan theo lý thuyết trong khi đĩ số tài liệu trả về là 50 vì ngưỡng đánh giá là 50 nên độ chính xác nhỏ hơn độ bao phủ. ™ Với ngưỡng đánh giá là 100 Do ngưỡng đánh giá (số tài liệu trả về ) gấp đơi chiều dài pool (số tài liệu liên quan theo lý thuyết) nên độ bao phủ gần như lớn gấp đơi độ chính xác. ™ Với ngưỡng đánh giá là 1000: Do ngưỡng đánh giá lớn tức là số tài liệu hệ thống search4VN trả về lớn (1000) tài liệu nên độ chính xác so với độ chính xác khác ở ngưỡng 50 và 100. ™ Với cùng câu hỏi: Cùng một câu hỏi nếu ngưỡng đánh giá càng cao (cĩ nghĩa là số tài trả về của hệ thống tìm kiếm bên ngồi tăng), nên số tài liệu liên quan được trả về cĩ thể sẽ tăng nên độ bao phủ của ngưỡng đánh giá cao sẽ cao hơn độ chính xác. Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 175 Tính tốn độ chính xác tại 11 điểm chuẩn của độ bao phủ: R P (c=50) P (c=100) P (c=1000) 0.0 0.92311794 0.9234109 0.9234109 0.1 0.7882654 0.78855836 0.78855836 0.2 0.69403636 0.6889597 0.6889597 0.3 0.63090414 0.6179958 0.6106299 0.4 0.5820023 0.55077547 0.53635085 0.5 0.5450672 0.49265072 0.46107948 0.6 0.5310865 0.4223546 0.3832133 0.7 0.5289436 0.39856696 0.29289013 0.8 0.5289436 0.39096713 0.1897545 0.9 0.5289436 0.39096713 0.18582451 1.0 0.5289436 0.39096713 0.18582451 Nhận xét : Nếu càng tăng ngưỡng đánh giá độ chính xác giảm do số tài liệu trả về tăng mà số tài liệu liên quan được trả về tăng khơng đáng kể. Đường cong RP của hệ thống search4VN như sau: Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 176 c= 50 c=100 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 177 c=1000 4.3. So sánh hệ thống tìm kiếm search4VN và hệ thống Lucene So sánh hệ thống search4VN và Lucene ở các ngưỡng 50, 1000 c=50 c=1000 R P (searchVN) P (Lucene) P (searchVN) P (Lucene) 0.0 0.92311794 0.9883535 0.9234109 0.9883535 0.1 0.7882654 0.9370161 0.78855836 0.9370161 0.2 0.69403636 0.8891043 0.6889597 0.88669646 0.3 0.63090414 0.8682885 0.6106299 0.86513025 0.4 0.5820023 0.8526954 0.53635085 0.8495781 0.5 0.5450672 0.8452069 0.46107948 0.84239674 0.6 0.5310865 0.8401279 0.3832133 0.83736676 0.7 0.5289436 0.83058465 0.29289013 0.828869 0.8 0.5289436 0.8242704 0.1897545 0.77039164 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 178 0.9 0.5289436 0.8242704 0.18582451 0.29168567 1.0 0.5289436 0.8242704 0.18582451 0.29168567 c=50 c=1000 Nhận xét : ta thấy đồ thị của search4VN nằm dưới đồ thị Lucene nên hệ thống search4VN cĩ hiệu suất thực thi thấp hơn so với hệ thống Lucene Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 179 4.4. Nhận xét chương trình hỗ trợ đánh giá hệ thống tìm kiếm thơng tin 4.4.1. Ưu điểm • Cĩ thể đánh giá được các hệ thống tiếng Anh và Tiếng Việt • Khơng phụ thuộc vào cấu trúc định dạng của bộ ngữ liệu dùng để đánh giá • So sánh được các hệ thống tìm kiếm • Đánh giá các hệ thống tìm kiếm dựa trên đường cong RP trực quan dễ hiểu • Mặc dù hạn chế về đặc thù của ngơn ngữ tiếng Việt với các ngơn ngữ khác. Ví dụ tiếng Việt là loại hình đơn lập phi hình thái, cịn tiếng Anh là loại hình biến cách hay cịn gọi là loại hình khuất chiết trong đĩ xác định ranh giới từ khơng phải dựa vào khoảng trắng như các thứ tiếng biến hình khác, nhưng chúng tơi đã giải quyết được vấn đề này bằng cách chuẩn hĩa lại từ tiếng Việt để các hệ thống tìm kiếm tiếng Anh cĩ thể hiểu được ranh giới từ tiếng Việt và tìm kiếm được với tiếng Việt. 4.4.2. Khuyết điểm Hệ thống trợ giúp đánh giá thật sự cho kết quả đáng tin cậy khi bảng đánh giá liên quan chuẩn chính xác và khách quan. Do đĩ đánh giá hệ thống trợ giúp đánh giá phụ thuộc vào bảng đánh giá liên quan chuẩn Tiếng Việt là một ngơn ngữ cĩ dấu nên việc mã hố Tiếng Việt cũng gây nhiều khĩ khăn trong việc lập chỉ mục của các hệ thống tim kiếm tiếng Anh với kho ngữ liệu là tiếng Việt. Do đĩ việc chạy các hệ thống tìm kiếm thơng tin vốn chỉ dành cho tiếng Anh khơng thể tiến hành cho Tiếng Việt. Trong luận văn này, chúng tơi đã nghiên cứu các hệ thống tìm kiếm thơng tin tiếng Anh như SMART, IOTA, TERRIER, LUCENE và đã gặp rất nhiều khĩ khăn với việc lập chỉ mục cho Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 180 kho ngữ liệu Tiếng Việt mặc dù chúng tơi đã cố gắng hết sức chỉnh sửa mã nguồn cho tất cả các hệ thống này. Nhưng cuối cùng, chỉ cĩ hệ thống LUCENE cĩ thể tìm kiếm được với Tiếng Việt. Bảng đánh giá liên quan chuẩn được trích ra từ phần giao của hai hệ thống LUCENE và Search4VN. Vì vậy bảng đánh giá liên quan chuẩn lúc đầu cĩ một số chỗ chưa chính xác do cĩ ít hệ thống tìm kiếm thơng tin tiếng Việt. Chúng tơi đã cố gắng khắc phục vấn đề này bằng cách xem lại bảng liên quan chuẩn bằng thủ cơng và lấy ra những tài liệu nào thật sự liên quan đến câu hỏi nhất để hồn thiện bảng này. Cách làm này chỉ là giải pháp tạm thời cho bộ ngữ liệu dùng để đánh giá hiện tại của chúng tơi. Nếu cĩ nhu cầu phát triển thêm bộ ngữ liệu dùng để đánh giá, các bạn nên xây dựng thêm bảng đánh giá này bằng cách chạy nhiều hệ thống tìm kiếm thơng tin tiếng Việt hơn mà khơng cần thay đổi gì về mơ hình của hệ thống. Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 181 Chương 5 : KẾT LUẬN Cơng tác đánh giá (evaluation) một mơ hình, một hệ thống nĩi chung cũng quan trọng khơng kém so với việc xây dựng một mơ hình hay một hệ thống. Đề tài của chúng tơi nhằm tự động hố cơng tác đánh giá các hệ thống tìm kiếm thơng tin (IR systems). Với việc tự động hố đĩ, chúng ta cĩ thể đánh giá một cách nhanh chĩng, chính xác và quan trọng là khách quan khả năng và hiệu suất tìm kiếm của các hệ thống tìm kiếm thơng tin.Nhờ sự đánh giá đĩ, những người xây dựng hệ thống IR cĩ được sự phản hồi (feedback) nhanh chĩng kịp thời, để họ kịp điều chỉnh (setting) lại mơ hình, phương pháp mà họ vừa cài đặt, thử nghiệm cho một hệ thống IR. Chính nhờ sự điều chỉnh kịp thời và phù hợp các thơng số của mơ hình trên chính hệ thống IR đĩ, từ đĩ họ mới cĩ thể đưa đến một hệ thống IR tối ưu (optimal IR system). Nhờ cĩ sự đánh giá kịp thời và nhanh chĩng như vậy mà các nhà xây dựng hệ thống IR sẽ được khích lệ về mặt tinh thần, tiết kiệm về mặt thời gian, cơng sức, thay vì phải đợi một thời gian dài chờ đợi sự đánh giá bằng phương pháp thủ cơng như trước đây (phải để cho nhiều người sử dụng trong thời gian dài rồi mới nhận được ý kiến phản hồi từ phía người sử dụng, các ý kiến này cĩ thể chính xác mà cũng cĩ thể là chủ quan). Từ đĩ, họ càng cĩ tinh thần, thời gian và cơng sức để đầu tư vào việc cải thiện mơ hình/phương pháp của mình được nhiều hơn. Việc đánh giá này là để biết được điểm mạnh, điểm yếu của từng hệ thống IR mà từ đĩ ta chọn ra được hệ thống IR tối ưu phục vụ cho nhu cầu tìm kiếm thơng tin một cách cĩ hiệu quả. Chúng tơi hy vọng đề tài này sẽ là một đĩng gĩp nhỏ cĩ ý nghĩa cho việc nghiên cứu về lĩnh vực tìm kiếm thơng tin. Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 182 Chương 6 : HƯỚNG PHÁT TRIỂN Việc nghiên cứu đánh giá các hệ thống tìm kiếm thơng tin rất đa dạng với nhiều phương pháp, mơ hình đánh giá khác nhau. Những mơ hình, phương pháp này đang được tiếp tục nghiên cứu, bàn luận trên thế giới. Trên cơ sở những phần đã nghiên cứu và thực hiện, đề tài của chúng tơi cĩ các hướng phát triển sau : Hướng phát triển về mơ hình đánh giá tổng quát: mơ hình đánh giá hướng người dùng. Hướng phát triển về phương pháp xây dựng bộ ngữ liệu dùng để đánh giá, đặc biệt trong phương pháp xây dựng bảng đánh giá liên quan chuẩn nhằm tạo ra bảng đánh giá khách quan và chính xác. Hướng phát triển về phương pháp đánh giá: Ngồi cách đánh giá dựa vào 11 điểm chuẩn của độ bao phủ, đề tài cĩ thể phát triển thêm các phương pháp đánh giá khác như phương pháp đánh giá dựa trên độ chính xác trung bình nghiêm ngặt (Mean Average Precision – MAP), đo dựa trên giá trị đơn Swet’s E-Measure (Single-valued Measure) hoặc chiều dài tìm kiếm trung bình. Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 183 PHỤ LỤC 1. Câu hỏi mẫu: 1 kinh tế tri thức nền kinh tế tri thức là gì, ý nghĩa của nền kinh tế tri thức, tình hình xây dựng nền kinh tế tri thức? Các tài liệu liên quan phải cĩ định nghĩa và ý nghĩa của kinh tế tri thức,các yếu tố hình thành nền kinh tế tri thức, nhu cầu xây dựng nền kinh tế tri thức tại Việt Nam, tình hình nền kinh tế tri thức tại Việt Nam 2 vụ án tham nhũng lớn thơng tin về các vụ án tham nhũng lớn Các tài liệu liên quan phải chứa thơng tin về các vụ án tham nhũng lớn,các tội danh liên quan như nhận hối lộ, biển thủ cơng quỹ, nguyên nhân và hậu quả của tham nhũng, ý kiến của nhân dân và báo chí, các biện pháp chống tham nhũng trong bộ máy cơng quyền 3 an tồn giao thơng tại Việt Nam vấn đề an tồn giao thơng tại Việt Nam Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 184 Các tài liệu liên quan phải nĩi về tình hình an tồn giao thơng tại Việt Nam gồm cĩ các chính sách của chính phủ về an tồn giao thơng, tình trạng vi phạm trật tự an tồn giao thơng, ùn tắc giao thơng ,tai nạn giao thơng 2. Tài liệu mẫu 1 Thanh niên VN: động lực cho những ý tưởng mới, tầm nhìn mới Tác giả :Đ.Bình Ngày :01/12/2000 Tên tờ báo : Tuổi trẻ Số báo : 155/2000 Thể loại : Trang : trang 1, 14 Thanh niên VN: động lực cho những ý tưởng mới, tầm nhìn mới. (TT-Hà Nội) - Tại lễ khai mạc Diễn đàn thanh niên (TN) VN với chủ đề “Sẵn sàng cho thế kỷ 21” sáng 30-11 tại Hà Nội (do Hội Liên hiệp TN VN phối hợp với các cơ quan LHQ tại VN tổ chức), ơng Edouard Wattez, điều phối viên thường trú LHQ tại VN, đã nhấn mạnh: “Với 60% dân số ở độ tuổi dưới 30, VN thật sự là một đất nước trẻ. Đây là một thời điểm khá đặc biệt trong lịch sử đất nước các bạn - thời điểm của hịa bình và đổi mới, thời điểm của VN đã bắt đầu mở cửa với thế giới và tiến hành hiện đại hĩa, thời điểm của VN cĩ vai trị to lớn trong các hội nghị tồn cầu, trong các tổ chức Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 185 quốc tế và vai trị của VN ngày càng trở nên quan trọng hơn. TN VN cĩ vai trị quan trọng trong quá trình mở cửa với thế giới.... Đ. Bình 3. Bảng đánh giá liên quan chuẩn Bảng đánh giá liên quan chuẩn gồm hai thành phần chính: câu hỏi và các tài liệu liên quan thật sự của câu hỏi đĩ. Cấu trúc DTD của file chứa bảng đánh giá liên quan chuẩn được tổ chức như sau: Diễn giải: : chỉ số của topic : chỉ số của tài liệu cĩ liên quan với câu hỏi cĩ chỉ số là TOPID Ví dụ một phần bảng đánh giá liên quan chuẩn: 10456 3407 2476 6689 1582 12854 Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 186 Tài liệu tham khảo [ 1 ] Ricardo Beaza-Yates & Berthier Ribeiro-Neto, Modern Information Retrieval, Addison Press, Anh, 1999. [ 2 ] Wessel Kraaij, Variations on Language Modeling for Information Retrieval, Thesis Enschede, Print Partners Ipskamp, Enschede, 2004. [ 3 ] Mei-Mei Wu & Danie H. SonnenWald, Reflections on Information Retrieval Evaluation, Hội nghị TREC, 2004. [ 4 ] F C Johnson, J R Griffiths, R J Hartley, A framework for the evaluation of Internet search engines, The Council of Museums, Archives and Libraries, Anh, 2001. [ 5 ] Van Rijsbergen C.J., Information Retrieval, Tái bản lần 2, ButterWorths, Luân Đơn, 1979, Chương 7 cĩ tại [ 6 ] Gerard Salton, Micheal J. McGrill, Introduction to Modern Information Retrieval, International Student Edition, New York, 1983. [ 7 ] Pia Borlund , The IIR evaluation model: a framework for evaluation of interactive information retrieval systems, Information Research, 2003. [ 8 ] Hội nghị TREC : [9 ] Ellen M. Voorhees, Overview of TREC 2003, National Institute of Standards and Technology, 2003. [ 10 ] Đinh Điền, giáo trình Xử lý Ngơn ngữ Tự nhiên, Đại học Khoa học Tự nhiên Tp. Hồ Chí Minh, 2004. [ 11 ] Nguyễn Văn Tu, Từ và vốn từ tiếng Việt hiện đại, NXB Đại học & THCN, Hà Nội , 1978. [ 12 ] Địa chỉ ftp của SMART : ftp://ftp.cs.cornell.edu/pub/smart/ [ 13 ] Jean-Pierre Chevallet, XIOTA: An open XML framework for IR Experimentation, Hội nghị CLEF, 2004. [ 14 ] Địa chỉ trang Web của Terrier : Luận văn : Đánh giá các hệ thống tìm kiếm thơng tin Trang 187 [ 15 ] Địa chỉ trang Web của Lucene :

Các file đính kèm theo tài liệu này:

  • pdfCNTT1004.pdf
Tài liệu liên quan